1 Objectifs

L’objectif de ce travail est d’analyser les différences l’évolution des teneurs en carbone organique enregistrée à l’échelle du canton. Ces résultats ont été fournis par InfoSol et résultent d’un ré-échantillonnage des analyses de la bdat communale réalisée 100 fois. Au cours de ces répétitions, les teneurs en CO sont comparées pour 2 périodes données et un test statistique est réalisé pour connaître la significacité des différences à l’échelle du canton. Pour une description de la méthode utilisée, le lecteur intéressé peut consulter les articles suivants :

Les résultats sont analysés à l’échelle de la France et à l’échelle de plusieurs strates géographiques selon le plan suivant :

  1. Etat des lieux de l’évolution des teneurs en CO à l’échelle nationale.
  • Analyse de la distribution. Quelle sont les principaux facteurs qui expliquent ces Ă©volutions ?

2 Analyse de l’évolution des teneurs en carbone organique à l’échelle nationale

Dans cette section, les évolutions des teneurs en CO à l’échelle nationale sont présentées sous forme d’état des lieux général.

2.1 Etat des lieux général

La figure ci-dessous présente pour toutes les périodes comparées, la proportion du type d’évolution des teneurs en CO par canton. Sur toutes les périodes comparées, la proportion de canton ayant une évolution significative des teneurs en CO (augmentation ou diminution) est inférieure à 30%. Dans cette part, il y a quasiment autant de canton enregistrant une augmentation qu’une diminution des teneurs (2191 et table(melted.bdatdiff[,"diff_corgox"])[[2]] respectivement). Une large part des cantons (plus de 70%) n’a donc pas enregistrés d’évolution significative des teneurs en CO.

2.2 Analyse du nombre d’évolution significative par canton

La figure 2 présente un histogramme du nombre de canton ayant connu une augmentation ou une diminution significative des teneurs en carbone organique. L’histogramme est appliqué sur toutes les périodes et stratifié par zones d’élevage et par type de climat.

La figure présente les mêmes proportion générales observée à l’échelle nationale précédemment. La part de canton aux évolutions des teneurs en CO non significative est toujours très importante. Globalement, le nombre de canton ayant eu une augmentation ou une diminution de la teneur en CO est équilibré à l’échelle des strates géographiques. Quelques zones se distinguent toutefois :

  • Les rĂ©gions B1, C2 et D sont davantage affectĂ©es par la diminution des teneurs en CO
  • Les rĂ©gion A et C1 sont plus affectĂ©es par des augmentations que des diminutions. A noter que cette zone dernière zone est davantage affectĂ©e par Ă©volutions significatives que les autres strates.
  • La rĂ©gion climatique 5 (climat ocĂ©anique franc) est Ă©galement plus exposĂ©e aux Ă©volutions significatives et notamment aux diminutions des teneurs en CO.

Dans la figure 3, les histogrammes sont analysés par périodes comparées et classés par l’évolution du pourcentage de surfaces fourragères principales (SFP) entre 1988 et 2010. La figure montre des différences importantes entre les périodes analysées :

  • L’évolution des teneurs est Ă©quilibrĂ©e pour les pĂ©riodes suivantes :
    • 25 [1994-1999]-[2010-2014],
    • 15 [1990-1994]-[2010-2014],
    • 12 [1990-1994]-[1994-1999].
  • Les diffĂ©rences entre les pĂ©riodes (13) [1990-1994]-[2000-2004], (24) [1994-1999]-[2005-2009] et (23) [1994-1999]-[2000-2004] montrent une part importante pour la diminution des teneurs en CO. Dans une moindre mesure, la diffĂ©rence entre les pĂ©riodes (14) [1990-1994]-[2005-2009] prĂ©sente une part de diminution des teneurs en CO plus importante que l’augmentation.
  • A l’inverse, les teneurs en CO ont augmentĂ© majoritairement entre les pĂ©riodes (35) [2000-2004]-[2010-2014] et (45) [2005-2009]-[2010-2014].

Ces résultats confirment les observations présentées précédemment à l’échelle nationale faisant état d’une diminution puis d’une augmentation des teneurs en CO.

En conclusion de cette section, on constate plusieurs points : - Les évolutions des teneurs en CO entre les différentes périodes ne suivent pas les mêmes tendances. Les premières observation vues dans FS_traitements_bdat.Rmd se confirment. Les teneurs en CO ont augmenté sur la période [2010-2014] et cette augmentation est particulièrement prononcée entre les périodes [2000-2004]-[2010-2014]. - La diminution des teneurs est surtout observée entre [1990-1994]-[2000-2004] et [1994-1999]-[2005-2009] et [1990-1994]-[2005-2009]. - Les principales périodes où l’évolution des teneurs en CO est marquante seront analysées dans le détails et sont les suivantes : * Diminution : (13) [1990-1994]-[2000-2004] et (23) [1994-1999]-[2000-2004] * Augmentation : (35) [2000-2004]-[2010-2014] et (45) [2005-2009]-[2010-2014] - Les principales zones d’élevage affectées par ces changements sont : A, B1, C1, C2 et D. Ce résultat provient surtout de la densité d’analyse dans ces zones et de leur étendue spatiale.

3 Analyse sur les périodes identifiées (13-23) et (35-45)

3.1 Statistiques descriptives

De la figure ci-dessus, les 10 principales régions touchées par des évolutions significatives sont présentées dans le tableau ci-dessous.

Principales régions touchées par des évolutions significatives
  diff nom_region period freq
107 Diminution NORD-PAS-DE-CALAIS 13 96
22 Augmentation CENTRE 35 57
114 Diminution PICARDIE 13 48
87 Diminution BRETAGNE 45 43
60 Augmentation PICARDIE 35 40
117 Diminution POITOU-CHARENTES 13 40
27 Augmentation CHAMPAGNE-ARDENNE 45 39
84 Diminution BRETAGNE 13 37
26 Augmentation CHAMPAGNE-ARDENNE 35 36
56 Augmentation PAYS DE LA LOIRE 35 34

La région Centre et les pays de la Loire ont une fréquence importante de canton ayant une augmentation de C. Le Nord-pas-de-Calais, la Bretagne, la Picardie et la région Poitou-Charentes sont les principales régions touchées par des diminutions en C.

3.2 Cartographie des évolutions

On retrouve ces observations sur les cartes d’évolution des teneurs. Dans le détail, c’est le morbihan qui est surtout affecté par des chutes de teneurs en carbone organique et en région Centre, on observe une augmentation des teneurs en CO concentrée dans le Perche. Ces résultats très ciblés font penser à un effet de bord (différences liés aux laboratoires?), surtout pour les régions Picardie, Nord-Pas-De-Calais et le département du Morbihan. La suite des analyses se concentrera sur ces zones.

  • 35 [2000-2004]-[2010-2014],
  • 13 [1990-1994]-[2000-2004],
  • 24 [1995-1999]-[2005-2009],
  • 14 [1990-1994]-[2005-2009],
  • 23 [1995-1999]-[2000-2004],
  • 45 [2005-2009]-[2010-2014],

3.3 Conclusion

4 Evolution globale des teneurs en CO par rapport aux teneurs initiales

4.1 A l’échelle de la France

La figure ci-dessous présente la relation entre la teneur initiale en CO et la différence pour les 4 périodes de comparaisons identifiées.

## Using Type as id variables
## Using Type as id variables
## Using Type as id variables
## Using Type as id variables
## Using Type as id variables
## Using Type as id variables

4.2 Analyse par strates

4.2.1 Type de climat

Figure Ă  commenter

## Using Period as id variables
## Using Period as id variables
## Using Period as id variables
## Using Period as id variables
## Using Period as id variables
## Using Period as id variables
## Using Period as id variables
## Using Period as id variables

4.2.2 Région d’élevage

## Using Period as id variables
## Using Period as id variables
## Using Period as id variables
## Using Period as id variables
## Using Period as id variables
## Using Period as id variables
## Using Period as id variables
## Using Period as id variables
## Using Period as id variables

5 Modélisation test avec GBM et Cubist

5.1 Analyse France entière

A faire, rajouter les strates et les régions voir département dans la modélisation nationale de l’évolution des teneurs en CO.

Moyenne des indicateurs de la validation croisée pour la modélisation de l’évolution des teneurs en CO ## Analyse par stratification
  r2 MSE RMSE
13 0.1057 157.4 12.52
23 0.1449 95.87 9.767
35 0.1283 179.6 13.34
45 0.1202 210.6 14.46
## Warning: Removed 339 rows containing non-finite values (stat_boxplot).
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables
## Using variable, type as id variables

5.2 Régression linéaire multiple

5.2.1 A l’échelle nationale

A tester rapidement

Evolution_teneurs Type_variable R2_nonajusté durbinWatsonTest
diffmedian_corgox13 Anthropique 0.07803 0.044
diffmedian_corgox13 Naturelle 0.05201 0.052
diffmedian_corgox13 Complet 0.096 0.06
diffmedian_corgox23 Anthropique 0.05287 0.382
diffmedian_corgox23 Naturelle 0.05432 0.48
diffmedian_corgox23 Complet 0.07857 0.484
diffmedian_corgox35 Anthropique 0.06939 0.8
diffmedian_corgox35 Naturelle 0.06078 0.988
diffmedian_corgox35 Complet 0.1046 0.764
diffmedian_corgox45 Anthropique 0.1206 0.092
diffmedian_corgox45 Naturelle 0.06646 0.088
diffmedian_corgox45 Complet 0.1295 0.108
Contribution (en %) des variables anthropiques dans la modélisation de l’évolution des teneurs en carbone organique pour les différentes périodes (continued below)
diffmedian_corgox13 diffmedian_corgox23 diffmedian_corgox35
4.4 2.43 4.38
diffmedian_corgox45
6.3

5.2.2 Avec les régions d’élevage

Résultats des régressions linéaires pour les différentes régions d’élevage et les différentes périodes de temps comparées
strates Period mod value
A 14 r2 0.0626
B1 14 r2 0.1327
B2 14 r2 0.04793
C1 14 r2 0.138
C2 14 r2 NA
D 14 r2 NA
E1 14 r2 0.02786
E2 14 r2 NA
G1 14 r2 NA
G2 14 r2 NA
A 14 MSE 502.7
B1 14 MSE 239.1
B2 14 MSE 2025722
C1 14 MSE 301.9
C2 14 MSE NA
D 14 MSE NA
E1 14 MSE 14729083
E2 14 MSE NA
G1 14 MSE NA
G2 14 MSE NA
A 14 RMSE 21.99
B1 14 RMSE 15.42
B2 14 RMSE 349.4
C1 14 RMSE 17.26
C2 14 RMSE NA
D 14 RMSE NA
E1 14 RMSE 717.3
E2 14 RMSE NA
G1 14 RMSE NA
G2 14 RMSE NA
A 24 r2 0.03611
B1 24 r2 0.03722
B2 24 r2 0.03788
C1 24 r2 0.2054
C2 24 r2 NA
D 24 r2 NA
E1 24 r2 0.04238
E2 24 r2 NA
G1 24 r2 NA
G2 24 r2 NA
A 24 MSE 519.3
B1 24 MSE 167
B2 24 MSE 292126
C1 24 MSE 247.2
C2 24 MSE NA
D 24 MSE NA
E1 24 MSE 630238
E2 24 MSE NA
G1 24 MSE NA
G2 24 MSE NA
A 24 RMSE 22.34
B1 24 RMSE 12.87
B2 24 RMSE 259.5
C1 24 RMSE 15.62
C2 24 RMSE NA
D 24 RMSE NA
E1 24 RMSE 345.2
E2 24 RMSE NA
G1 24 RMSE NA
G2 24 RMSE NA
A 15 r2 0.04927
B1 15 r2 0.2659
B2 15 r2 0.03896
C1 15 r2 0.105
C2 15 r2 NA
D 15 r2 NA
E1 15 r2 0.03721
E2 15 r2 NA
G1 15 r2 NA
G2 15 r2 NA
A 15 MSE 479.3
B1 15 MSE 241
B2 15 MSE 389005
C1 15 MSE 201.5
C2 15 MSE NA
D 15 MSE NA
E1 15 MSE 8229821
E2 15 MSE NA
G1 15 MSE NA
G2 15 MSE NA
A 15 RMSE 21.46
B1 15 RMSE 15.46
B2 15 RMSE 269.9
C1 15 RMSE 14.11
C2 15 RMSE NA
D 15 RMSE NA
E1 15 RMSE 785.4
E2 15 RMSE NA
G1 15 RMSE NA
G2 15 RMSE NA
A 25 r2 0.06255
B1 25 r2 0.04312
B2 25 r2 0.05306
C1 25 r2 0.01539
C2 25 r2 NA
D 25 r2 NA
E1 25 r2 0.04303
E2 25 r2 NA
G1 25 r2 NA
G2 25 r2 NA
A 25 MSE 400.9
B1 25 MSE 371.9
B2 25 MSE 885896
C1 25 MSE 151.6
C2 25 MSE NA
D 25 MSE NA
E1 25 MSE 17578397
E2 25 MSE NA
G1 25 MSE NA
G2 25 MSE NA
A 25 RMSE 19.56
B1 25 RMSE 19.21
B2 25 RMSE 316.2
C1 25 RMSE 12.24
C2 25 RMSE NA
D 25 RMSE NA
E1 25 RMSE 935.7
E2 25 RMSE NA
G1 25 RMSE NA
G2 25 RMSE NA
A 13 r2 0.04189
B1 13 r2 0.08621
B2 13 r2 0.04005
C1 13 r2 0.06434
C2 13 r2 NA
D 13 r2 NA
E1 13 r2 0.02944
E2 13 r2 NA
G1 13 r2 NA
G2 13 r2 NA
A 13 MSE 400.2
B1 13 MSE 221.3
B2 13 MSE 2551949
C1 13 MSE 123.5
C2 13 MSE NA
D 13 MSE NA
E1 13 MSE 5799412
E2 13 MSE NA
G1 13 MSE NA
G2 13 MSE NA
A 13 RMSE 19.7
B1 13 RMSE 14.82
B2 13 RMSE 346.5
C1 13 RMSE 11.06
C2 13 RMSE NA
D 13 RMSE NA
E1 13 RMSE 625.4
E2 13 RMSE NA
G1 13 RMSE NA
G2 13 RMSE NA
A 35 r2 0.04526
B1 35 r2 0.0344
B2 35 r2 0.05244
C1 35 r2 0.1063
C2 35 r2 NA
D 35 r2 NA
E1 35 r2 0.03817
E2 35 r2 NA
G1 35 r2 NA
G2 35 r2 NA
A 35 MSE 283.6
B1 35 MSE 466.8
B2 35 MSE 2864832
C1 35 MSE 150.8
C2 35 MSE NA
D 35 MSE NA
E1 35 MSE 5490031
E2 35 MSE NA
G1 35 MSE NA
G2 35 MSE NA
A 35 RMSE 16.59
B1 35 RMSE 21.49
B2 35 RMSE 381.8
C1 35 RMSE 12.23
C2 35 RMSE NA
D 35 RMSE NA
E1 35 RMSE 526.7
E2 35 RMSE NA
G1 35 RMSE NA
G2 35 RMSE NA

5.2.2.1 Par type de climat

Résultats des régressions linéaires pour les différentes strates climatiques et les différentes périodes de temps comparées
strates Period mod value
3 14 r2 0.07248
4 14 r2 0.09599
5 14 r2 0.1657
3 14 MSE 265
4 14 MSE 477.2
5 14 MSE 380.8
3 14 RMSE 16.22
4 14 RMSE 21.74
5 14 RMSE 19.28
3 24 r2 0.02951
4 24 r2 0.1755
5 24 r2 0.1093
3 24 MSE 223.9
4 24 MSE 271.4
5 24 MSE 265.1
3 24 RMSE 14.92
4 24 RMSE 16.41
5 24 RMSE 16.19
3 15 r2 0.09257
4 15 r2 0.1579
5 15 r2 0.0921
3 15 MSE 299.4
4 15 MSE 263.1
5 15 MSE 365.1
3 15 RMSE 17.24
4 15 RMSE 16.13
5 15 RMSE 18.91
3 25 r2 0.07941
4 25 r2 0.1924
5 25 r2 0.02434
3 25 MSE 269.7
4 25 MSE 125.6
5 25 MSE 195.5
3 25 RMSE 16.35
4 25 RMSE 11.17
5 25 RMSE 13.87
3 13 r2 0.03885
4 13 r2 0.02988
5 13 r2 0.061
3 13 MSE 263.1
4 13 MSE 221.2
5 13 MSE 283.7
3 13 RMSE 16.16
4 13 RMSE 14.82
5 13 RMSE 16.63
3 35 r2 0.01325
4 35 r2 0.2093
5 35 r2 0.03393
3 35 MSE 285.8
4 35 MSE 156.4
5 35 MSE 177.8
3 35 RMSE 16.82
4 35 RMSE 12.45
5 35 RMSE 13.23
## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties
## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties
## [1] "test"
## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties
## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties
## [1] "test"
## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties
## [1] "test"
## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties
## [1] "test"
## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties
## [1] "test"
## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

## Warning in wilcox.test.default(xi, xj, paired = paired, ...): cannot
## compute exact p-value with ties

6 Test du nombre d’effectif (test en cours)